Advertisement

该Android Demo包含人脸检测、人脸关键点检测以及人体检测功能。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
该项目涵盖人脸检测、人脸关键点检测以及人体检测功能,并提供Android平台支持。具体而言,它集成了人脸检测算法模型,能够实现精准的人脸检测和识别,同时支持人脸关键点检测(包括5个关键点),以及人体检测(行人检测)算法模型。此外,该系统还具备同时检测人脸和人体的功能。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • Android Demo.zip
    优质
    本资源为Android平台的人脸和人体检测Demo,包含人脸关键点识别功能,适用于开发者学习与应用集成。 人脸检测、人脸关键点检测(包括5个人脸关键点)以及人体检测的Android实现支持多种算法模型。这些模型不仅能够进行单独的人脸或人体检测,还能够同时完成对人脸与行人的识别任务。
  • 口罩.zip
    优质
    本项目提供了一套全面的人脸识别解决方案,包括人脸检测、精准的关键点定位以及是否佩戴口罩的判断功能。适用于多种场景的安全与隐私保护需求。 要运行RetinaFace进行同时的人脸检测、关键点定位及口罩检测,请遵循以下步骤: 1. 对于Linux用户,在rcnn/cython/setup.py文件的第121行添加注释(Windows用户可以跳过这一步)。 2. 进入cython目录并执行命令 `python setup.py build_ext --inplace` 以完成必要的设置。 3. 最后,运行测试脚本 `python test.py`。如果遇到缺少mxnet等库的情况,请使用pip自行安装所需依赖项。 请确保所有必需的软件包都已正确安装,并根据提示进行相应的操作调整。
  • Dlib器 | 与跟踪管理
    优质
    Dlib人脸关键点检测器是一款强大的工具,用于精确定位面部特征点,并支持高效的人脸检测与跟踪管理。 该功能允许在 Texture2D、WebCamTexture 和图像字节数组中检测正面人脸及其特征点(包括68个关键点、17个关键点和6个关键点)。此外,您可以通过调整相关数据文件来自定义对象的检测。 ObjectDetector 是基于经典的定向梯度直方图 (HOG) 特征结合线性分类器,并利用图像金字塔与滑动窗口技术实现。除了内置的人脸检测功能外,用户还可以训练自己的检测模型以适应特定需求。 ShapePredictor 的设计源自一篇关于 dlib 库应用的论文(《One Millisecond Face Alignment with an Ensemble of Regression Trees》,Vahid Kazemi 和 Josephine Sullivan,CVPR 2014)。利用 dlib 提供的机器学习工具,用户不仅可以训练自己的模型,还可以定制用于人脸关键点识别的数据集。
  • dlib的
    优质
    dlib库提供高效的人脸及关键点检测功能,适用于多种应用场景,如面部识别、表情分析等。其算法精准可靠,易于集成到各类软件项目中。 在dlib实例基础上实现了人脸检测,并将人脸框图像本地保存;批量读取文件并保存人脸关键点至txt文件以及标签至其他文件。
  • 106个 MXNet.zip
    优质
    本项目提供了一个使用MXNet框架的人脸关键点检测模型,能够精确定位和识别单张人脸图像中多达106个关键点的位置。 基于RetinaFace人脸识别的106个人脸关键点识别模型,可以直接运行。
  • Landmark68dat模型库+demo
    优质
    本项目提供Landmark人脸关键点检测的68点dat模型库及演示程序(demo),支持精准定位面部特征点,便于开发人员进行二次应用开发。 Landmark人脸68个关键点检测dat模型库 ```python #coding:utf-8 从视频中识别人脸,并实时标出面部特征点 import dlib # 人脸识别的库dlib import numpy as np # 数据处理的库numpy import cv2 # 图像处理的库OpenCv class face_emotion(): def __init__(self): # 使用特征提取器get_frontal_face_detector self.detector = dlib.get_frontal_face_detector() # dlib的68点模型,使用作者训练好的特征预测器 self.predictor = dlib.shape_predictor(D:/shape_predictor_68_face_landmarks.dat) # 创建cv2摄像头对象,这里使用电脑自带摄像头,如果接了外部摄像头,则自动切换到外部摄像头 self.cap = cv2.VideoCapture(0) # 设置视频参数,propId设置的视频参数,value设置的参数值 self.cap.set(3, 480) ```
  • Android OpenCV
    优质
    简介:本项目基于Android平台和OpenCV库实现的人脸检测应用,能够实时捕捉并识别画面中的人脸特征。 Android OpenCV 人脸检测功能包括正脸和侧脸检测,在检测到人脸后会绘制矩形框进行标识。下载后即可使用,无需安装OpenCV提供的额外apk文件。
  • Android识别与APP Demo安装
    优质
    这是一个基于Android平台的人体识别与关键点检测应用程序演示版本。用户可以下载此安装包体验先进的图像处理技术,进行人体姿态分析和动作识别。 Android人体检测与关键点识别应用支持CPU多线程处理及GPU加速功能,并能够实现实时的人体关键点检测(此为演示版)。该应用程序基于《2D Pose人体关键点实时检测(Python/Android /C++ Demo)》一文开发,实现了高效、准确的关键点追踪技术。
  • 低分:Dlib68个
    优质
    本项目采用Dlib库实现对图像中人脸68个关键点的精准定位,适用于面部识别、表情分析等领域研究。 Dlib模块的68个人脸关键点检测包括:下巴从0到17,右眉毛从17到22,左眉毛从22到27,鼻子从27到36,右眼从36到42,左眼从42到48,嘴巴轮廓从48到61,以及嘴巴从61到68。
  • MTCNN
    优质
    MTCNN是一种用于人脸识别和定位的深度学习模型,通过多任务协作网络优化,实现精准的人脸检测与对齐。 MTCNN(多任务卷积神经网络)结合了人脸区域检测与面部关键点检测,并基于cascade框架构建。整个系统由PNet、RNet以及ONet三层网络结构组成。 在VS2015开发环境并使用OPENCV3.0及以上版本的情况下,可以直接运行该程序。